舌象的精准分割对舌诊中舌体识别与分类具有重要意义，采用传统图像处理方法和深度学习方法分割舌象会丢失部分舌象边缘信息，从而降低舌体识别精确度。针对该问题，提岀一种利用高分辨率网络的舌象分割算法。使用区域定位网络识别舌体并提取舌象原图特征生成建议框，对其进行分类和回归处理以定位舌象所在区域，同时构建高分辨率网络提取该区域高分辨率特征，最终完成舌象分割。实验结果表明，该算法可有效保留舌象边缘信息，其分割结果平均交并比达到98.2%，较Segnet、Mask-rcnn算法分割舌象更精准。

学习丰富的功能以进行真实图像还原和增强（ECCV 2020） ， ， ， ， ， 和 论文： : 补充文件： 视频演示： : 摘要：为了从降级版本中恢复高质量图像内容，图像恢复在监视，计算摄影，医学成像和遥感等领域拥有众多应用。 最近，卷积神经网络（CNN）与传统的图像恢复任务方法相比取得了巨大的进步。 现有的基于CNN的方法通常以全分辨率或渐进式低分辨率表示形式运行。 在前一种情况下，获得了空间精确但上下文上不那么健壮的结果，而在后一种情况下，生成了语义上可靠但空间上不太准确的输出。 在本文中，我们提出了一种新颖的体系结构，其总体目标是通过整个网络维护空间精确的高分辨率表示，并从低分辨率表示接收强大的上下文信息。 我们方法的核心是包含几个关键元素的多尺度残差块：（a）并行多分辨率卷积流，用于提取多尺度特征；（b）跨多分辨率流的信息交换；（c）空间和渠道关注机

本文用一个低压差分信号为例，讲述了如何用Pico示波器的模拟偏置功能将仪器的灵敏度提高到原来的10倍，这意味着将垂直测量分辨率提高了10倍。

An implementation of Deep Recursive Residual Network for Super Resolution (DRRN), CVPR 2017

消息： [2020/06/15]可以使用Google Colab进行演示（包括可视化）！ 请查看以了解用户测试的许多结果！ 该存储库包含“用于高分辨率3D人类数字化的多级像素对齐的隐式函数”的pytorch实现。 该代码库提供： 测试代码 可视化代码 Google Colab上的演示 如果您没有运行GPU的环境来运行PIFuHD，我们将提供Google Colab演示。 您还可以上传自己的图像并与可视化一起重建3D几何。 使用以下笔记本尝试我们的Colab演示： 要求 Python 3 在测试 json 皮尔 skimage tqdm cv2 为了可视化 与pybrbree PyOpenGL的 freeglut（为ubuntu用户使用sudo apt-get install freeglut3-dev ） ffmpeg 注意：建议至少使用8GB GPU内存来运行PI

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % 超声脉冲压缩系统的新性能指标% by Sevan Harput % 英国利兹大学。 版权所有 2014。 % % 请将此代码用于科学和教育目的，请参考% 到以下出版物： % Sevan Harput、James McLaughlan、David MJ Cowell 和 Steven Freear， %“超声脉冲压缩系统的新性能指标”， % IEEE 国际超声波研讨会，2014 年。 % http://ieeexplore.ieee.org/xpl/articleDetails.jsp?tp=&arnumber=6931819 % %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % 此函数计算以下性能评估指标% 对数压缩超声图像的选定区域： % -3 dB 主瓣宽度 (

根据MP4真宽度分类整理文件，比如，1920*1080视频分类到，1920文件夹下，1080*720，分类到1080文件夹下。

软件介绍: RDM-2.2.dmg是一款MAC系统下用于修改屏幕分辨率的神器，能够让Mac电脑外接显示器输出更多分辨率，在MacBook外接显示器时，会出现输出分辨率不够问题字体虚的情况，RDM这个软件就可以解决这个问题。

今天小编就为大家分享一篇opencv设置采集视频分辨率方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

基于合成孔径激光成像雷达(SAIL)二维数据收集方程和成像算法, 研究了圆形孔径和矩形孔径光学望远镜天线的方位向成像分辨率, 导出了点扩展函数的解析表达式, 分析了理想成像点尺寸及其光学足迹中心偏离、相位二次项匹配滤波失匹、空间采样宽度、采样周期等的影响; 也研究了距离向成像分辨率并分析了非线性啁啾补偿等的影响。对于各种影响因素都给出了数学判据, 特别是发现了矩形孔径的光学望远镜可以产生适合于SAIL扫描方式的矩形光学足趾并消除方位向分辨率不均匀降低, 可以设计最佳的矩形孔径的尺度分别控制光学足趾在方位向及其垂直方向上的尺度, 得到大扫描宽度和高方位向分辨率; 也发现了目标外差延时必须尽量小以克服非线性啁啾和初始光频不稳定性相位误差。